Fuente: Geophysical Research Letters Históricamente, el pronóstico del clima ha dependido del método que consume mucho tiempo y energía de utilizar supercomputadoras para procesar conjuntos complejos de ecuaciones matemáticas. Una alternativa emergente implica entrenar la inteligencia artificial (IA) para predecir cómo evolucionarán las condiciones atmosféricas actuales. Sin embargo, en un nuevo estudio, Selz y Craig informan que los modelos basados en IA no tienen en cuenta un proceso que pone un límite fundamental en la predecibilidad del clima: el efecto mariposa.
El efecto mariposa describe cómo las consecuencias de pequeñas perturbaciones pueden crecer rápidamente y tener un impacto importante en el resultado final de un sistema, como en el ejemplo metafórico de un aleteo de alas de una mariposa en Brasil que influye en el desarrollo de un tornado en Texas. En la ciencia del clima, estas incertidumbres que crecen rápidamente se relacionan más a menudo con la convección y la precipitación. Pero esta variación inicial crece mucho más lentamente en los sistemas de IA que en la realidad, lo que potencialmente hace que las predicciones climáticas impulsadas por IA sean poco confiables.
Eso no significa que la IA sea inútil cuando se trata de pronósticos del clima. Actualmente, el efecto mariposa no es el factor limitante en la predicción del clima, porque los errores de medición atmosférica siguen siendo lo suficientemente grandes como para que el efecto mariposa sea comparativamente insignificante. La IA modela bien el clima en condiciones de latitud media con el nivel actual de error de medición, aunque Selz y Craig señalan que la precisión puede variar en condiciones meteorológicas excepcionales. Los científicos también pueden ser capaces de mejorar los algoritmos de IA, por ejemplo, generando artificialmente datos de entrenamiento adicionales para enseñar a estos algoritmos el poder del efecto mariposa. (Geophysical Research Letters, https://doi.org/10.1029/2023GL105747, 2023)
—Saima May Sidik, Escritora Científica
Cita: Sidik, S. M. (2023), La IA encuentra su igual: el efecto mariposa, Eos, 104, https://doi.org/10.1029/2023EO230392. Publicado el 30 de octubre de 2023. Texto © 2023. AGU. CC BY-NC-ND 3.0 A menos que se indique lo contrario, las imágenes están sujetas a derechos de autor. Se prohíbe cualquier reutilización sin permiso expreso del propietario de los derechos de autor.
